Multicollineariteit uitleg

Als onderstaande uitleg van Multicollineariteit je niet voldoende op weg helpt, raden we je de hulp van Snelafstuderen.nl aan, zij zijn gespecialiseerd in data analyse en kunnen jouw scriptie traject begeleiden.

Een risico in veel data analyses is multicollineariteit, oftewel te sterke samenhang tussen 2 of meer onafhankelijke variabelen. Bij het uitvoeren van een correlatie analyse is al veel gevaar van multicollineariteit te achterhalen. In de correlatie tabel zie je de onderlinge correlatie tussen variabelen. Bij een onderlinge correlatie van hoger dan 0,4 wordt het risicovol. Denk er daarbij wel aan dat je alleen de onafhankelijke variabelen in de correlatie analyse bekijkt, want een hoge correlatie tussen een onafhankelijke met een afhankelijke variabele is juist positief voor je onderzoek.

Hoe in SPSS? Analyze > Correlate > Bivariate
Voor verdere analyse voor het gevaar van multicollineariteit uit te sluiten zul je ook de cronbach alpha erbij moeten pakken.

Cronbach alpha uitleg

Als onderstaande uitleg van de Cronbach alpha niet voldoende is en je hebt meer hulp nodig bij statistische analyses in SPSS nodig, raden wij de hulp van Snelafstuderen.nl aan.

Cronbachs α (alpha) is een statistische maat voor de interne consistentie van items (vragen) in vragenlijsten die in onderzoek worden toegepast. Oftewel in hoeverre de vragen hetzelfde construct meten.

De waarde van cronbach alpha is een indicatie van de mate waarin 2 of meer items in een test hetzelfde concept meten. Voor een variabele waar slechts 1 vraag van in de vragenlijst staat, is het niet mogelijk om de cronbach alpha te meten.
Een vragenlijst zal één bepaald concept door middel van verschillende items (vragen) meten. Om bijvoorbeeld het concept “angst” te meten, zal de test de respondent daarover meerdere vragen voorleggen. Cronbachs alpha geeft aan in hoeverre die items inderdaad hetzelfde concept meten, door te berekenen of de antwoorden van een grote groep respondenten op deze items consistent zijn. Met een hoge cronbach alpha worden de gegevens betrouwbaar.

De regel: Cronbach alpha van 0,6 of hoger is betrouwbaar. (minimale ondergrens)

Hoe bereken je de cronbach alpha in SPSS

In SPSS klik je op: Analyze > Scale > Reliability Analysis
Vervolgens selecteer je de vragen (items) uit je vragenlijst in het vak. Als je op OK klikt, wordt de cronbach alpha weergegeven voor de vragen die hetzelfde zouden moeten meten. De mate waarin deze items hetzelfde meten wordt in deze waarde aangegeven. Als dit hoger is dan 0,6 heb je betrouwbare items.
Betrouwbaar in de zin van een kleinere risico op multicollineariteit (te hoge onderlinge correlatie).

Factor Analyse in SPSS Uitleg

De factor analyse gebruik je om meer overzicht en duidelijkheid te krijgen in je onderzoek. Zeker als je veel onafhankelijke variabelen (voorspellers) hebt die een bepaalde y-variabele moeten verklaren, is het aan te raden om door middel van Factor analyse het aantal variabelen terug te brengen.

Kom je er met onderstaande uitleg niet uit, dan adviseren wij de hulp van: –> Snelafstuderen.nl

Factor Analyse in SPSS
Door een factor analyse te draaien, verklein je de kans op multicollineariteit. Dit is het gevaar dat je loopt als je veel variabelen hebt in je model, die onderling een hoge correlatie kunnen hebben. Deze (te) hoge correlatie zorgt ervoor dat je model wordt verstoord. Variabelen met een hoge correlatie worden samengevoegd en daar zal een onderliggende reden voor zijn. Deze variabelen zullen op de 1 of andere manier iets met elkaar te maken hebben. Deze overeenkomst geef je een naam aan de factor.

Hoe voer je de factor analyse uit in SPSS?
Analyze->Data reduction->Factor

Selecteer alle onafhankelijke variabelen (voorspellers) en zet ze bij de variables. Klik onderaan op ‘”options” en vink de onderste keuze aan “supress absolute values less than” aan en vul daar 0,4 in. Nu worden alle lage scores niet getoond zodat je duidelijk kan zien welke variabelen bij elkaar horen. Klik in de optie “rotation’” op varimax zodat je ook de rotated factor analyse kan zien die vaak duidelijkere resultaten laat zien. Vink bij de optie “extraction” de scree plot aan. Hier kun je eventueel ook het aantal factoren invullen. Dit kun je ‘t best doen aan de hand van de knikken in de lijn van de scree plot.

Lees de rest van dit artikel »

Mediatie Analyse met Regressie analyse (mediator)

Wat is een mediator? Hoe voer je een mediatie analyse uit in SPSS? Hoe kun je een mediatie effect achterhalen door middel van een regressie analyse? Hieronder de antwoorden.

Kom je er met onderstaande uitleg niet uit, dan adviseren wij de hulp van: –> Snelafstuderen.nl

Hoe meet je een mediatie effect door een mediatie analyse?
We hebben al gekeken naar de moderatie analyse waarin naar voren kwam dat de belangrijkste wetenschappelijke paper op het gebied van het verschil tussen een mediator en een moderator is van Baron & Kenny. Baron & Kenny leggen in deze paper duidelijk stap voor stap uit hoe je een mediatie analyse draait in SPSS. Hieronder volgt de uitleg van dit mediator effect stappenplan.

Lees de rest van dit artikel »

Moderator analyse met Regressie Analyse

Wat is een moderatie of moderator analyse? Hoe voer je een moderatie analyse uit in SPSS? Wat is een moderator? Wat zijn voorbeelden van moderator analyses? Antwoorden op al deze vragen zijn in onderstaande tekst terug te vinden.

Kom je er met onderstaande hulp bij het uitvoeren van een moderatie analyse niet uit?  Dan adviseren wij de hulp van: –> Snelafstuderen.nl

Moderatie Analyse uitleg
Voordat je een moderatie analyse gaat draaien in SPSS is het belangrijk dat je voor jezelf begrijpt wat het verschil tussen een mediator en een moderator is.
Het belangrijkste en beste artikel uit de wetenschap om dit verschil te begrijpen is het onderzoek van Baron & Kenny. Via scholar.google.com kun je deze paper vinden. Je kunt de paper ook gewoon gratis downloaden (PDF).
Het verschil zit ‘m erin dat een moderator invloed uitoefent op de relatie tussen een onafhankelijke en een afhankelijke variabele (modererend effect), terwijl een mediator invloeden van onafhankelijke variabelen opvangt en doorgeeft aan de afhankelijke variabele (medierend effect).

Lees de rest van dit artikel »

Regressie Analyse

Wat is regressie analyse? Hier volgt een eenvoudige uitleg over wat Regressie Analyse in de statistiek inhoudt. Hierbij wordt uitgegaan dat je een regressie analyse met het statistiek programma SPSS uitvoert. Verder worden er voorbeelden van regressie analyses gegeven en wanneer je een regressie analyse zou moeten gebruiken.

Kom je er met onderstaande hulp bij het uitvoeren van een regressie analyse niet uit? Dan adviseren wij: –>  Snelafstuderen.nl.

Regressie analyse uitleg
Regressie analyse is een techniek uit de statistiek voor het analyseren van data gegevens waarin mogelijk sprake is van een samenhang, aangeduid als regressie. Een regressie analyse bestaat uit onafhankelijke variabelen en 1 of meerdere afhankelijke variabelen. De onafhankelijke variabelen worden de independent variables of predictors (voorspellers) genoemd van de afhankelijke variabele (y-variabele).
Als er sprake is van 1 onafhankelijke en 1 afhankelijke variabele spreken we van een simple regression of enkelvoudige regressie. Bij meer variabelen spreek je van een meervoudige regressie. Door middel van de regressie analyse kun je dus een bepaalde afhankelijke variabele voorspellen door middel van de onafhankelijke variabelen die je kiest. Vervolgens rekent SPSS voor je uit hoeveel procent van de veranderingen in jouw y-variabele wordt verklaard door jouw gekozen variabelen. Tevens zie je welke variabelen wel en geen significante invloed hebben. Lees hieronder verder over hoe je dat moet aflezen.
Lees de rest van dit artikel »